[发明专利]基于机器学习的规划方案智能生成方法及系统

权利要求书

1.一种基于机器学习的规划方案智能生成方法，其特征在于，步骤包括：

第一步，获取待规划区域数据z'，所述待规划区域数据z'融合有该区域的设计需求信息、地形地貌信息；

第二步，将所述待规划区域数据z'输入至训练好的生成模型G(z|y)中进行前向传播运算，前向传播运算获得待规划区域规划方案；所述待规划区域规划方案包括该区域的设计元素M、以及与该设计元素M对应的属性信息；

其中，第二步中，所述生成模型根据以下步骤训练获得：

步骤s1，对规划设计案例按照属性增加标注y，并将所述规划设计方案中评价为良好的规划设计区域x标注为正样本区域；将所述规划设计方案中评价为不足的规划设计区域x标注为负样本区域；获取随机生成数据样本，并标记为t＝0；将所述规划设计方案中的规划设计区域x标记为t＝1；所述t表示为属性标签；所述随机生成数据样本z服从指定要求的概率分布；

步骤s2，将所述规划设计方案中的规划设计区域x按照固定尺寸进行分解；

步骤s3，构建生成模型G(z|y)和鉴别模型D(x|y)，初始化生成对抗网络V(D,G)；

步骤s4，保持所述生成模型G(z|y)中的参数不变，将一组随机生成数据样本z和其标注y输入至所述生成模型G(z|y)进行前向传播计算获得前向传播损失误差，根据鉴别模型的目标优化函数优化鉴别模型D(x|y)；其中，所述鉴别模型的目标优化函数为其中，表示对当前训练过程中的整体p_data(x)数据求损失函数；表示对当前训练过程中的整体p_z(z)数据求损失函数；p_data(x)表示规划设计方案中各规划设计区域x的分布，为所述各规划设计区域x形成的集合；p_z(z)表示随机生成数据样本z的分布，为所述各随机生成数据样本z形成的集合；

步骤s5，保持鉴别模型D(x|y)中的参数不变，将一组规划设计区域x和其标注y输入至所述鉴别模型D(x|y)，根据生成模型的目标优化函数和步骤s4中前向传播计算获得的所述前向传播损失误差，进行反向传播计算，训练所述生成模型；其中，所述生成模型的目标优化函数

步骤s6，重复所述步骤s4至步骤s5，直至所述生成模型G(z|y)和所述鉴别模型D(x|y)达到纳什均衡，输出此时的生成模型G(z|y)作为训练好的生成模型；

第三步，将所述设计元素M、以及与该设计元素M对应的属性信息通过数据接口输入至图形处理软件，建立模型图层、规划设计图层和自建图层，所述图形处理软件对各级模型图层、规划设计图层和自建图层进行渲染、编辑，形成方案预览文件，输出所述方案预览文件；

第四步，评价所述待规划区域规划方案；

具体步骤包括：

步骤c1，根据该区域的设计需求信息确定至少一个一级评价指标，为每一个所述一级评价指标确定至少一个二级评价指标，并为每一个所述二级评价指标确定基于归一化数值的分值；

步骤c2，根据设计规范库为每一个所述二级评价指标设定一个或多个基于模糊集原理的隶属度函数，其中，所述隶属度函数由地形地貌信息、设计元素M、以及与该设计元素M对应的属性信息共同构成；

步骤c3，根据该区域的设计需求信息，将所述待规划区域规划方案所对应的地形地貌信息、设计元素M、以及与该设计元素M对应的属性信息带入到所述各隶属度函数，计算每一个二级评价指标、以及每一个一级评价指标的具体得分；

步骤c4，修正所述各二级评价指标、各一级评价指标的具体得分的权重；累加修正后的得分，输出修正后的得分和/或二级评价指标和/或一级评价指标的具体得分；

第五步，更新所述生成模型G(z)；

具体步骤包括：

步骤d1，根据所述修正后的得分和/或二级评价指标和/或一级评价指标的具体得分对已规划区域规划方案进行分类，分别标注为正样本或负样本；

步骤d2，对所述步骤d1中标注的正样本或负样本进行所述步骤s2至步骤s6；

步骤d3，以所述步骤d2获得的所述生成模型G(z)更新所述训练好的生成模型。

2.如权利要求1所述的基于机器学习的规划方案智能生成方法，其特征在于，所述第一步还包括对待规划区域数据z'进行分割或归一化处理的步骤，所述分割或归一化处理用以将所述待规划区域数据z'调整至适合所述生成模型G(z)运算的大小。